LeetCode 309-卖卖股票的最佳时机含冷冻期

前言

对于力扣平台上的股票类型的题目：

• 121.买卖股票的最佳时机
• 122.买卖股票的最佳时机 II
• 123.买卖股票的最佳时机 III
• 188.买卖股票的最佳时机 IV
• （本题）309.最佳买卖股票时机含冷冻期
• 714.买卖股票的最佳时机含手续费
• 剑指 Offer 63.股票的最大利润

一种常用的方法是将 买入 和 卖出 分开进行考虑：买入 为负收益，而 卖出 为正收益。在初入股市时，你只有 买入 的权利，只能获得负收益。而当你 买入 之后，你就有了 卖出 的权利，可以获得正收益。

显然，我们需要尽可能地降低负收益而提高正收益，因此我们的目标总是将收益值最大化。因此，我们可以使用动态规划的方法，维护在股市中每一天结束后可以获得的 累计最大收益，并以此进行状态转移，得到最终的答案。

动态规划

思路与算法

我们用 $f[i]$ 表示 第 $i$ 天结束之后 的 累计最大收益。根据题目描述，由于我们最多只能同时买入（持有）一支股票，并且卖出股票后有冷冻期的限制，因此我们会有三种不同的状态：

• 我们目前持有一支股票，对应的 累计最大收益 记为 $f[i][0]$；
• 我们目前不持有任何股票，并且处于冷冻期中，对应的 累计最大收益 记为 $f[i][1]$；
• 我们目前不持有任何股票，并且不处于冷冻期中，对应的 累计最大收益 记为 $f[i][2]$。

处于冷冻期 指的是第 $i$ 天结束之后的状态，也就是说：如果第 $i$ 天结束之后处于冷冻期，那么第 $i+1$ 天无法买入股票。

如何进行状态转移呢？

在第 $i$ 天时，我们可以在不违反规则的前提下进行 买入 或者 卖出 操作，此时第 $i$ 天的状态会从第 $i-1$ 天的状态转移而来；我们也可以不进行任何操作，此时第 $i$ 天的状态就等同于第 $i-1$ 天的状态。那么我们分别对这三种状态进行分析：

• 对于 $f[i][0]$，状态转移方程为：$f[i][0]=\max (f[i-1][0],f[i-1][2]-prices[i])$
  • 在第 $i-1$ 天就已经持有，对应的状态为 $f[i-1][0]$
  • 在第 $i$ 天买入，则第 $i-1$ 天就不能持有股票并且不处于冷冻期中，对应的状态为 $f[i-1][2]$ 加上买入股票的负收益 $prices[i]$
• 对于 $f[i][1]$，状态转移方程为：$f[i][1]=f[i-1][0]+prices[i]$
  • 在 $i$ 天结束之后处于冷冻期的原因是在当天卖出了股票，那么说明在第 $i-1$ 天时我们必须持有一支股票，对应的状态为 $f[i-1][0]$ 加上卖出股票的正收益 $prices[i]$。
• 对于 $f[i][2]$，我们在第 $i$ 天结束之后不持有任何股票并且不处于冷冻期，说明当天没有进行任何操作，即第 $i-1$ 天时不持有任何股票。状态转移方程为：$f[i][2]=\max (f[i-1][1],f[i-1][2])$
  • 如果第 $i-1$ 天处于冷冻期，对应的状态为 $f[i-1][1]$
  • 如果第 $i-1$ 天不处于冷冻期，对应的状态为 $f[i-1][2]$

这样我们就得到了所有的状态转移方程。如果一共有 $n$ 天，那么最终的答案为：$$\max (f[n-1][0],f[n-1][1],f[n-1][2])$$注意到如果在最后一天（第 $n-1$ 天）结束之后，手上仍然持有股票，那么显然是没有任何意义的。因此更加精确地，最终的答案实际上是：$$\max (f[n-1][1],f[n-1][2])$$

细节

我们可以将第 $0$ 天的情况作为动态规划中的边界条件：$$\begin{array}{rl}f[0][0]& =-prices[0]\\ f[0][1]& =0\\ f[0][2]& =0\end{array}$$在第 $0$ 天时，如果持有股票，那么只能是在第 $0$ 天买入的，对应负收益 $-prices[0]$；如果不持有股票，那么收益为零。

注意到第 $0$ 天实际上是不存在处于冷冻期的情况的，但我们仍然可以将对应的状态 $f[0][1]$ 置为零，这其中的原因如下：

• 简单理解：第 $0$ 天只要不持有股票，收益就一定是 $0$。
• 具体理解：$f[0][1]$ 可以理解为当天买入卖出，收益自然也是 $0$。并且 $f[0][1]$ 只会对 $f[1][2]$ 造成影响，但当 $f[0][1]\le f[0][2]$ 时，$f[1][2]$ 就不会被影响。

代码

class Solution {
    public int maxProfit(int[] prices) {
        if(prices.length == 0)
            return 0;
        
        int n = prices.length;
        int[][] dp = new int[n][3];
        f[0][0] = -prices[0];
        for(int i = 1; i < n; i++){
            f[i][0] = Math.max(f[i - 1][0], f[i - 1][2] - prices[i]);//手上持有股票的最大收益
            f[i][1] = f[i - 1][0] + prices[i];                       //手上不持有股票，并且处于冷冻期中的累计最大收益
            f[i][2] = Math.max(f[i - 1][1], f[i - 1][2]);            //手上不持有股票，并且不在冷冻期中的累计最大收益
        }
        return Math.max(f[n - 1][1], f[n - 1][2]);
    }
}

空间优化
注意到上面的状态转移方程中，$f[i][..]$ 只与 $f[i-1][..]$ 有关，而与 $f[i-2][..]$ 及之前的所有状态都无关，因此我们不必存储这些无关的状态。

class Solution {
    public int maxProfit(int[] prices) {
        if (prices.length == 0) {
            return 0;
        }

        int n = prices.length;
        int f0 = -prices[0], f1 = 0, f2 = 0;
        for (int i = 1; i < n; ++i) {
            int newf0 = Math.max(f0, f2 - prices[i]);
            int newf1 = f0 + prices[i];
            int newf2 = Math.max(f1, f2);
            f0 = newf0;
            f1 = newf1;
            f2 = newf2;
        }
        return Math.max(f1, f2);
    }
}